|
Vol.26, Special Issue A, 2026, pp. S31–S37 https://doi.org/10.69644/ivk-2026-siA-0031 |
|
OPTIMIZOVANI STACKING ANSAMBL MODEL MAŠINSKOG UČENJA ZA PREDVIĐANJE HISTEREZISNOG PONAŠANJA MEMORIJSKIH LEGURA Dmytro Tymoshchuk*
Ternopil Ivan Puluj National Technical University, Ternopil, UKRAINE *email: dmytro.tymoshchuk@gmail.com D. Tymoshchuk https://orcid.org/0000-0003-0246-2236 ; O. Yasniy https://orcid.org/0000-0002-9820-9093 ; I. Didych https://orcid.org/0000-0003-2846-6040 ; I. Bodnarchuk https://orcid.org/0000-0003-1443-8102 ; V. Nykytyuk https://orcid.org/0000-0003-1547-8042
|
|
Izvod U radu je istražena mogućnost predviđanja histerezisnog ponašanja NiTi memorijske legure tokom cikličnog opterećenja primenom metoda mašinskog učenja. Na osnovu eksperimentalnih podataka dobijenih ispitivanjem SMA žice razvijen je ansambl model tipa Stacking Regressor, koji kombinuje algoritme Random Forest, Gradient Boosting, Extremely Randomised Trees, k-Nearest Neighbours, Support Vector Regression i Multi-Layer Perceptrons. Kao metamodel primenjen je algoritam ElasticNet. Optimizacija strukture ansambla i hiperparametara modela izvršena je primenom metode GridSearchCV uz korišćenje grupne kros-validacije. Dobijeni rezultati pokazuju visoku tačnost predviđanja deformacije za različite frekvencije cikličnog opterećenja. Vrednosti koeficijenta determinacije R2 za ispitne podatke prelaze 0.996. Model takođe pokazuje dobru sposobnost generalizacije pri predviđanju ponašanja materijala izvan opsega ciklusa korišćenih za obuku i pravilno reprodukuje oblik histerezisnih petlji na dijagramu napon-deformacija. Ključne reči: • memorijske legure (SMA) • histerezisno ponašanje • mašinsko učenje • stacking model • ansambl model |
|
rad u celosti (605 kB)
|
